Kubermatic v2.26.8 版本发布:安全更新与功能优化
Kubermatic 是一个开源的 Kubernetes 集群管理平台,它简化了跨多个云和本地环境的 Kubernetes 集群的部署和管理。该平台提供了直观的用户界面和强大的 API,使企业能够轻松地扩展和管理其容器化工作负载。
重要更新:cert-manager 升级至 v1.16.5
本次发布的 v2.26.8 版本中,最显著的变化是对 cert-manager 的升级。cert-manager 是一个流行的 Kubernetes 附加组件,用于自动化管理 TLS 证书。升级到 v1.16.5 版本需要用户进行以下配置变更:
- 在 cert-manager 的 values.yaml 文件中,需要将
webhook.replicas参数更名为webhook.replicaCount - 同样地,
cainjector.replicas参数需要更新为webhook.replicaCount - 移除
webhook.injectAPIServerCA配置项
这些变更反映了 cert-manager 项目自身的演进,使得配置更加一致和直观。管理员在升级时需要特别注意这些配置变更,以确保证书管理功能能够正常运行。
新增支持的 Kubernetes 版本
Kubermatic v2.26.8 扩展了对 Kubernetes 版本的支持,新增了以下两个稳定版本:
- Kubernetes 1.31.8
- Kubernetes 1.30.12
这些版本的加入为用户提供了更多选择,特别是那些希望使用最新稳定版 Kubernetes 的用户。Kubermatic 团队对这些版本进行了全面测试,确保它们能够与平台的其他组件良好配合。
安全修复与问题修补
安全始终是 Kubermatic 关注的重点。本次发布包含了几项重要的安全更新:
-
Cilium 升级至 1.15.16:修复了 CVE-2025-32793 问题。Cilium 是一个基于 eBPF 的高性能网络、可观测性和安全解决方案,是许多 Kubernetes 集群的关键组件。及时升级可以防止潜在的安全风险。
-
KubeLB 修复:修复了一个关于禁用用户集群 ingress class 的问题。KubeLB 是 Kubermatic 的负载均衡器解决方案,这个修复确保了配置变更能够正确生效。
-
Dashboard 安全增强:
- 实现了角色优先级逻辑,现在当用户拥有多个角色时,系统会返回最高优先级的角色
- 增加了对输入字段的特殊字符限制,并转义值以防止 HTML 渲染问题
组件版本更新
Kubermatic v2.26.8 包含了多个核心组件的版本更新:
-
oauth2-proxy 升级至 v7.8.2:这个身份验证代理的更新带来了性能改进和错误修复。
-
操作系统管理器 (OSM) 升级至 v1.6.5:OSM 负责管理 Kubernetes 节点上的操作系统,新版本包含了稳定性改进和新功能。
-
KubeLB CCM 升级至 v1.1.4:KubeLB 的云控制器管理器获得了多项改进,提升了负载均衡功能的可靠性和性能。
总结
Kubermatic v2.26.8 是一个以安全和稳定性为主的维护版本。它通过升级关键组件解决了已知的安全问题,同时扩展了对 Kubernetes 版本的支持范围。对于正在使用 Kubermatic 的企业来说,这个版本值得优先考虑升级,特别是那些关注安全性的环境。
管理员在升级时应当特别注意 cert-manager 的配置变更,并确保按照指南进行相应调整。对于运行在重要环境中的集群,建议尽快应用 Cilium 的安全更新以防止潜在风险。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00